数据分析素养的评价框架与实施路径研究

陈建明，孙小军，杨博谛

数据分析素养的评价框架与实施路径研究

陈建明1，孙小军1，杨博谛2

（1．宝鸡文理学院 数学与信息科学学院，陕西 宝鸡 721013；2．陕西师范大学 教育学院，陕西 西安 710062）

发展数据分析素养是高中数学课程改革的新指向，对它的评价研究是反馈学生数据分析素养发展成效的重要手段．结合相关研究成果和《普通高中数学课程标准（2017年版2020年修订）》，界定了数据分析素养的内涵：学生在现实情境中形成的以统计问题为驱动，以概率与统计知识为工具，以统计思维为手段，以数据交流为方式的一种数学素养．建构了包括4个维度15个二级指标的数据分析素养评价框架．结合高中阶段概率与统计内容的教学特点和建构的数据分析素养评价框架，可以从开放性试题和学生活动表现两个维度对目前实际教学中数据分析素养的落实情况进行评价．

数据分析素养；评价框架；概率与统计；实施路径

1 问题提出

在这个“万物皆数据”的大数据时代，数据俨然成了万物互联、万物互通的桥梁，也固然使得具备一定数据收集、描述、分析和推断等能力的高素质人才成了推动实施大数据战略的主力军．数据分析素养作为加快建设数字中国的“新能源”，把概率与统计内容的教学推到了一个新高潮．为了更有效地在实际教学中落实核心素养，推动未来教育教学改革，2020年6月30日，中央全面深化改革委员会第十四次会议审议通过了《深化新时代教育评价改革总体方案》，首次提出“四个评价”，并明确当前改革的重点任务是：改进结果评价、强化过程评价、探索增值评价、健全综合评价，同时提出要避免在学生评价方面“唯分数、唯升学”的单一性评价倾向[1]．这也为弥补当前关于数据分析素养教学与评价研究的欠缺指明了方向．

概率与统计内容自20世纪80年代初被写入教学大纲后，其发展经历了“三起三落”，之后随着社会发展和课程改革的不断深入，人们对于概率与统计知识的认识愈加深刻．从2012年颁布的《义务教育数学课程标准（2011年版）》（以下简称“11标准”）中首次提出“数据分析观念”，到2020年修订的《普通高中数学课程标准（2017年版2020年修订）》（以下简称“17标准20修订”）将数据分析素养列为数学学科六大核心素养之一，反映出概率与统计知识的地位在逐步提高．“17标准20修订”选取同一评价体系对6个核心素养进行了水平划分，而未考虑各核心素养的独特性，这不利于教材的编写和教学内容的实施．同时对数据分析素养划分的水平可操作性不强，这在一定程度上会影响教学与评价的效果．

数据分析素养这一概念提出后，许多学者都对此进行了研究．研究者以“数据分析素养”为主题在CNKI数据库进行检索，共检索出近5年相关文献426篇．通过对检索结果中文献题目和摘要的分析，剔除与基础教育中核心素养研究领域不相关的文献，利用CiteSpace5.1.R6可视化软件对剩余53篇文献进行关键词共现（如图1）．

图1 “数据分析素养”关键词共现图谱

从得到的关键词共现图谱以及对文献内容的分析可见，与数据分析素养相关的词汇较多，主要有3类．一类是与数据分析素养内涵相关的，主要包括数据分析素养、数据分析、数学核心素养等，相关研究如：2017年，常磊[2]结合当前研究热点和改革方向，分析了情境与包括数据分析素养在内的6个核心素养的关系；同年，罗玉华[3]从PME视角分析数据分析素养，并据此提出素养落实途径；2018年，陈晨[4]依据数据分析素养的内涵，研究并构建其评价框架．另一类是与数据分析素养落实相关的，主要包括教学策略、高中数学、统计与概率等，相关研究如：2016年，周玲[5]首次以“数据分析素养”为主题对中职生数据分析素养现状进行了分析；2017年，张焱园[6]对当前高中生数据分析素养现状进行调查，并提出了培养策略；2018年，张晓斌[7]对高考题中数据分析素养的渗透进行了研究，同时对未来高考趋势和概率与统计教学提出建议；2019年，张海真[8]采用定量研究的方法探索了教师行为因素对高中生数据分析素养的影响．第三类是与数据分析素养评价相关的，相关研究主要是在2020年，如覃创、严忠权[9]以2019年高考全国Ⅲ卷为例，剖析包括数据分析素养在内的6个核心素养的测评情况，发现试题更重核心素养的考查，形式向着教育改革的方向命制．

文献梳理工作可反映出：研究工作主要集中在对数据分析素养的内涵和落实策略的研究上，而关于数据分析素养测评维度和观测指标的研究相对较少．因此，研究者旨在运用建构的数据分析素养评价框架，来客观、全面地评价目前高中生的数据分析素养，同时为数据分析素养的落实提出一套科学、有效的实施路径．

2 数据分析素养的内涵

数据分析素养的形成离不开学生亲自参与统计探究活动的过程，基本的活动经验对发展学生数据分析素养有着重要的作用．不少学生虽然掌握了相应的概率与统计知识，但“四基”这一学习基础还不扎实、“四能”这一能力要求有待提升、“三会”这一行为养成还未实现，因此如何发展学生的数据分析素养对教师和学生来说依旧是一个难题．结合当前教育评价改革方向和“17标准20修订”中数据分析素养内涵的描述，这里将数据分析素养定义为：学生在现实情境中形成的以统计问题为驱动，以概率与统计知识为工具，以统计思维为手段，以数据交流为方式的一种数学素养．主要体现在将实际问题转译为数学问题，依据问题收集数据，运用数学方法整理、分析、推断数据，并进行交流与反思，最终形成关于研究对象知识的素养．

3 数据分析素养评价框架的建构

“17标准20修订”根据体现数学学科核心素养的4个方面（情境与问题、知识与技能、思维与表达、交流与反思）将数据分析素养划分为3个水平，但“四方面”和“三水平”之间并没有实现真正意义上的相互渗透、相互关联．针对“17标准20修订”在数据分析素养水平划分方面存在着操作性不强的不足，依据所界定的数据分析素养的内涵，参考国外统计素养框架建构的方法，将数据分析素养划分成4个维度、15个二级指标，并依据SOLO分类法将各二级指标划分为3个水平．

3.1 维度一：数据意识

数据分析素养的形成不是一蹴而就的，而是对数据分析观念的继承和发展．“11标准”中对数据分析观念的描述主要体现在了解和意识层面．学生在经历了义务教育阶段的学习后，进一步培养数据意识是继承数据分析观念并发展数据分析素养的基石，这里将数据意识作为数据分析素养的维度之一．

（1）理解数据内涵．

“数据”是数据分析的基础，学生如何认识“数据”是迈向数据分析的第一步．将“数据”简单地看作是狭义的数字还是将其理解为蕴含信息的媒介，是学生能否顺利进行数据分析的关键．同时学生将自己的经验背景赋予“数字”，让看似乏味的“数字”转变为独具个人特色的“数据”，从而为数学问题的提出创造条件．

（2）提出数学问题．

学生能用“数据”的眼光观察世界，会从数学的角度结合情境提出概率与统计问题，不仅是当前高中数学课程目标的新拓展，也是数据分析素养水平的体现．同时以问题为驱动的学习更能最大限度地让学生发挥学习概率与统计的能动性．

（3）概率与统计知识的学习兴趣．

《中国学生发展核心素养（2016）》框架指出：学习兴趣是核心素养的构成要素．就数学学习而言，数学学习兴趣是学生数学核心素养的重要表现[10]．作为体现数据分析素养的概率与统计内容，学生对这一部分知识的学习兴趣是推动他们学习此内容的内部动机．同时，兴趣作为隐含的内部动机[11]，是促进学生理解数据内涵、提出问题，进而提高数据意识的重要因素．

综上，将数据意识划分成3个二级指标，具体的评价指标与水平划分如表1所示．

表1 数据意识的评价指标与水平划分

3.2 维度二：数据处理

“17标准20修订”中指出，数据分析主要表现为[12]：收集和整理数据，理解和处理数据，获得和解释结论，概括和形成知识．结合前文界定的数据分析素养的内涵可以得出：数据分析素养是在针对实际统计问题获得数据的分析过程中形成的[13]．基于“17标准20修订”中对数据分析过程的完整描述以及概率与统计的教学提示，将收集数据、整理数据、表征数据、分析数据、运用数据以及信息技术的运用整合为数据分析素养的一个维度，并将其概括为数据处理．

收集数据是数据处理的首要任务，没有数据，数据分析就成了无米之炊．收集数据不是信息盲目的抓取，更不是数据随意的堆叠，而是一种带着问题出发、具有目的性的探索过程．这就要求学生在头脑中要首先明确收集什么数据和怎样收集数据．因此，这里将收集数据分为“目的——合理设计调查问题”和“方法——正确使用抽样方法”两步．

（1）合理设计调查问题．

调查问题的设计是对解决问题的整体规划．概率与统计问题要想顺利解决就要寻找解决问题的钥匙——“数据”，而要有针对性地收集数据，必须从研究目的和研究对象出发，利用问题情境来设计调查问题．能合理设计调查问题不仅体现了学生对于问题的理解，更突显出学生对亟待解决问题的深入思考．

（2）正确使用抽样方法．

恰当的抽样方法是确保收集数据工作有效性和科学性的重要保障．从抽样方法的使用情况一方面可以了解学生对不同抽样方法的内化程度，另一方面也能反映出学生对问题的独特见解．

（3）整理数据．

整理数据是进行数据处理的必要步骤．最初收集到的数据可能是杂乱无章、无规可寻的，同时在收集数据的过程中可能还会受到不可抗力因素的影响，导致收集到无效数据，所以要对收集来的数据进行筛选并剔除无效数据，以降低对研究结果的影响．

（4）表征数据．

表征数据是提高数据处理效率的基本手段．数据表征是将整理得到的数据重新聚合在一起，在问题驱动的催化下，数据之间相互“反应”，从而产生具备数据特点和规律的结果——统计图、统计表、统计量．利用统计图、统计表和统计量对看似无规律的数据进行表征并将数据可视化，以达到“看图说话”的效果．同时表征数据也为接下来要进行的分析数据工作提供了对象．在数据处理的过程中走好整理数据和表征数据这两步，不仅能够清晰地观察到数据的特征，更能揭示隐藏在数据背后的信息．

（5）分析数据．

分析数据是数据处理的核心环节．分析数据的过程是学生综合运用所学知识的过程，分析不是漫无目的、没有依据地进行，它是以研究目的和问题为驱动，以统计图、统计表和统计量为工具，再结合情境对数据进行分析、解释，从而将数据转化为有价值的信息，同时这一过程也是一个问题再探寻的活动．运用数据是发挥数据价值的有效途径．前期收集数据、整理数据等工作已为下一步运用数据铺平了道路，接下来学生需要对问题进行剖析，从而达到对数据的有效运用．运用数据包括“现在”和“未来”两个层次：“现在”是指利用分析数据之后得到的信息构建概统模型，并运用它探寻问题的本质规律和发展趋势；“未来”是指依据问题本质和发展趋势进行推断并形成决策．

（6）构建概统模型．

选择、构建什么样的模型是进行数据推断的关键．因此构建模型要从概率与统计问题的需要出发，利用恰当的概率与统计知识、方法，结合对数据分析过程的认识和理解去构建模型，进而实现对所研究问题本质的剖析．

（7）数据推断，形成决策．

数据推断、形成决策是数据处理的终极目标．在进行数据推断、形成决策时，学生既要做一个“当局者”又要是一个“旁观者”，也就是不仅要从宏观上把握整体趋势，还要从微观上注重每个细节．此外，依据样本信息对总体进行推断或对未来的发展趋势进行预测并提出合理解释与决策，是学生数据分析素养的又一重要体现．

（8）信息技术的运用．

信息技术的运用是整个数据处理过程的升华．面对庞杂的数据，人工计算和绘图难免会造成误差，因此在整个数据处理过程中，信息技术的运用应贯穿始终，这不仅是当前新课程改革的趋势，更是新时代对公民必备技能的要求．这里也将信息技术的运用作为数据分析素养的一个二级指标．

综上，这里将数据处理划分成8个二级指标，具体评价指标与水平划分如表2所示．

表2 数据处理的评价指标与水平划分

3.3 维度三：统计思维

国内对于数据分析素养的研究起步较晚，而国外的相关研究中虽然很少提到数据分析素养，但对于统计思维方面的研究成果丰硕，并且已经建立了相应的评价框架．思维是大脑对客观现实中存在的问题进行思考的活动，而统计思维则是对统计活动中问题的思考．基于对数据分析素养内涵的界定，统计思维必然成为数据分析素养的构成要素，这不仅是概率与统计内容在抽象方面的一个体现，更是培养和提高学生思维从具体走向抽象的阶梯．

（1）统计批判．

Gal[14]对统计的大量研究涉及理论和实践方面，强调培养人们在各种不同的情境中对统计信息、与数据相关的观点及随机现象进行解释和批判评价的能力．Jane Watson[15]在对统计思维划分的水平三中强调学生能借助自身对统计概念和情境知识的理解，对统计结论和统计调查报告结果进行质疑和批判．可以看出：两位学者都关注批判性思维的突出地位．这里将统计批判作为构成统计思维的元素之一．

（2）体验、理解随机性．

概率问题研究的最大魅力在于其不确定性．史宁中教授指出[16]：“通过数据分析体验随机性，一方面对于同样的事情每次收集到的数据可能会不同，另一方面只要有足够的数据就可能从中发现规律．”可见通过数据分析来体验、理解数据随机性，对数据分析素养的落实很重要．综上将统计批判和体验、理解随机性并称为统计思维，水平划分如表3所示．

表3 统计思维的评价指标与水平划分

3.4 维度四：数据交流

21世纪为了培养学生适应未来学习、生活和工作所应具备的一系列能力，在最新发布的PISA2021数学框架中，专家组遴选出了8项“21世纪技能”，并将交流与反思作为21世纪学生迎接未来挑战的能力之一，其内涵为[17]：个体能够恰当使用符号、语言表达个体的思想，与他人互动，这种互动形式包括对话、文字表达等．考虑到21世纪社会发展对学生数据分析素养的需求，这里将数据交流作为数据分析素养的第四个维度．

（1）论文、报告撰写与交流互动．

数据交流不是一个信息单向输出或接收的过程，而是一种交互式的活动．在这个活动中，学生将个人头脑中的思维和观点通过具体的文字或语言呈现出来，这既是学生整个思考过程的呈现，也是与他人交流互动的载体．

（2）反思数据处理、统计思维过程．

反思是学生对整个过程的完整回顾，这也是学生重新演绎数据处理和统计思维的过程，寻找可能出现的纰漏，并进一步完善结论．在反思自己的同时也要倾听不同的意见，并做出恰当的回应，这不仅能进一步提高个人的反思能力，更有助于帮助学生打开新思路的大门，在完善结论的同时升华结论．

所以，将数据交流划分为两个二级指标，并进行水平划分，如表4所示．

表4 数据交流的评价指标与水平划分

4 数据分析素养评价的实施路径

4.1 数据分析素养评价的实施路径

数据分析素养的评价是一个过程性的综合评价，所以不应只囿于解题能力的考查，还应结合统计探究活动对学生的数据分析素养进行考查．实际教学中，统计探究活动可以让概率与统计知识“动”起来、让数学“活”起来，不仅拉近了师生之间的距离，更有利于学生主体和教师主导作用的发挥，因此基于建构的数据分析素养评价框架，可以尝试通过开放式的问题测试和统计探究活动的开展，从开放性试题和学生活动表现两个维度对目前实际教学中数据分析素养的落实情况进行评价，图2是数据分析素养评价的实施路径示意图．

图2 数据分析素养评价的实施路径

建构的数据分析素养评价框架中二级指标理解数据内涵、概率统计知识的学习兴趣具有相对隐性的特点，可以通过开放性试题——开放性问题测试（编制试题→开展测试→回收处理）完成评价；二级指标提出数学问题、合理设计调查问题、正确使用抽样方法、整理数据、表征数据、分析数据、构建概统模型、数据推断和形成决策、信息技术的运用具有突出的显性特点，可以通过具体学生活动表现——开展统计探究活动（设计情境→明确问题→解决问题→结果呈现）进行评价．

4.2 数据分析素养评价的实施关键

基于建构的数据分析素养评价框架，在应用框架进行测评时需要注意以下几个关键点．

第一，开放性试题测试的必要性．因为开放性试题是在统计探究活动开展之前进行，所以一方面通过开放性试题可以了解学生对概率与统计内容的理解程度和情感深度，另一方面开放性试题测试可就学生对统计探究活动的动机与积极性进行前期诊断，继而为评价学生研究结果提供依据．

第二，开放性试题编制的目的性．要想学生的回答能命中问题的靶心，试题的编制就要目的明确，能引发深度思考，且避免产生歧义．同时编制试题时应避免出现形如“开关”的问题，如问题“你是否对概率与统计知识感兴趣？”学生虽然会结合自身情况回答是与否，但往往不会再去深入思考，若问题是“你是否对概率与统计知识感兴趣？理由是？”学生不仅会结合自身情况作答，进一步的追问则会挖掘出学生个性的答案，这正是测试有效性和真实性的反映．

第三，统计探究活动的时空性．要想研究结果科学、有效，在开展活动时就要给学生充分的时间和空间．充足的时间首先可以让学生完成对统计探究活动的周密思考和详细设计，其次可以让学生完整经历统计探究活动的过程，并对得到的结果完善打磨．必要的空间可以为学生搭建展示观点和素养的平台，让学生学会用数学语言与外界交流．同时在时间和空间上给予学生“自由”，更有利于学生反思整个探究过程．

第四，统计探究活动设计的生活性．统计探究活动情境的设计应贴近学生的现实生活，能激发学生的探究欲望．这样的统计探究活动可以让学生体验概率与统计知识在解决与日常生活相关的实际问题时的作用，也可以让学生学会用不确定性思维去观察与思考世界．

第五，评价方式的综合性．统计探究活动作为一种兼顾科学（探究结果）和艺术（学生知识经验和思维的独特性）特点的活动，其结果往往没有对错之分，只有好坏之别．因此在对学生的数据分析素养进行评价时，教师除了评价学生探究活动所得结论的好坏外，也要关注学生在探究过程中的表现，同时也不能忽视学生在细节上的“加分点”．更为重要的是，在评价主体上，教师不可一味地强调自身的主体性，应加强学生与学生间的互评，从而完成对学生数据分析素养的精准评价[18–35]．

综合了统计探究活动与开放性试题的数据分析素养评价实施路径，一方面弥补了以往评价局限于计算能力考查的弊端，有利于学生创新性思维的培养；另一方面让学生亲自参与发现、提出、分析和解决问题的过程，不仅有利于“四能”的培养，更能促进“三会”的发展．文章依据已有相关成果虽建构了数据分析素养的评价框架，但该框架的科学性和优越性还需在下一步的实际测试中检验并完善．

[1] 新华网．中央深改委审议通过《深化新时代教育评价改革总体方案》[EB/OL]．（2020–07–01）[2020–09– 22]．https://www.eol.cn/news/yaowen/202007/t20200701_1736125.shtml.

[2] 常磊，鲍建生．情境视角下的数学核心素养[J]．数学教育学报，2017，26（2）：24–28．

[3] 罗玉华．从PME视角看数据分析素养及其培养[J]．教育研究与评论（中学教育教学），2017（4）：16–21．

[4] 陈晨．高中生数据分析素养测评指标体系的构建研究[D]．昆明：云南师范大学，2018：1．

[5] 周玲．中职学生数据分析素养的现状、培养与提高[D]．苏州：苏州大学，2016：1．

[6] 张焱园．高中生数据分析素养的现状调查研究[D]．福州：福建师范大学，2017：1．

[7] 张晓斌，艾嵩，李容．渗透统计推断思想，增强数据分析素养——对2018年文、理科数学全国卷Ⅱ第18题的一些思考[J]．基础教育课程，2018（Z2）：14–18．

[8] 张海真．高中生数据分析素养影响因素研究[D]．济南：山东师范大学，2019：1．

[9] 覃创，严忠权．核心素养为导向的数学测评研究——以2019年高考全国Ⅲ卷为例[J]．数学教育学报，2020，29（2）：24–28．

[10] 裴昌根，宋乃庆，刘乔卉，等．数学学习兴趣测评指标体系的构建与验证[J]．数学教育学报，2018，27（2）：70–73．

[11] 原露，元英，杜宵丰，等．主观规范对数学学习行为的影响：数学兴趣的中介作用[J]．数学教育学报，2020，29（5）：14–19．

[12] 中华人民共和国教育部．普通高中数学课程标准（2017年版2020年修订）[M]．北京：人民教育出版社，2020：7．

[13] 史宁中，王尚志．普通高中数学课程标准（2017年版）解读[M]．北京：高等教育出版社，2018：136．

[14] GAL I. Adults’ statistical literacy: Meanings, components, responsibilities [J]. International Statistical Review, 2002, 70 (1): 1–25.

[15] WATSON J, CALLINGHAM R. Statistical literacy: A complex hierarchical construct [J]. Statistics Education Research Journal, 2003, 2 (2): 3–46.

[16] 史宁中，孔凡哲，秦德生，等．中小学统计及其课程教学设计——数学教育热点问题系列访谈之二[J]．课程·教材·教法，2005，25（6）：45–50．

[17] 孙彬博，郭衎，邵珍红．PISA2021数学素养测评框架中的“21世纪技能”[J]．数学教育学报，2019，28（4）：12–16．

[18] 史宁中，吕世虎，李淑文．改革开放四十年来中国中学数学课程发展的历程及特点分析[J]．数学教育学报，2021，30（1）：1-11．

[19] 李杰民，廖运章．条件概率的本质及其教学建议[J]．数学教育学报，2021，30（1）：54-60．

[20] 邓海英，严卿，魏亚楠．数学情境问题解决错误分析与评价[J]．数学教育学报，2021，30（1）：61-67．

[21] 马淑杰，张景斌．高中学生数学原有知识水平和学习认知负荷对数学课堂学习效率的影响研究[J]．数学教育学报，2021，30（2）：26-31．

[22] 李让美，郭衎，曹一鸣．学生合作问题解决过程中的教师注意——基于15位职前数学教师的眼动研究[J]．数学教育学报，2021，30（2）：42-47．

[23] 赵思林，潘超．中学数学教师核心素养及构成要素[J]．数学教育学报，2021，30（2）：48-54．

[24] 陆珺，胡晴颖．论数学解题教学的教学[J]．数学教育学报，2021，30（2）：55-60．

[25] 黄荣金，曹一鸣．中国数学教师合作学习的理论和实践：一个国际视角的审视[J]．数学教育学报，2021，30（3）：1-3．

[26] 丁莉萍．数学教师合作学习的理论与实践之比较分析[J]．数学教育学报，2021，30（3）：4-11．

[27] 伍春兰．PDSA视域下基于教师学习的中学数学课例研修研究[J]．数学教育学报，2021，30（3）：78-82．

[28] 栗小妮，汪晓勤．HPM课例研究对教师MKT的影响[J]．数学教育学报，2021，30（3）：83-89．

[29] 郭衎，曹一鸣．知识与信念：基于学生表现的教师核心素养研究[J]．数学教育学报，2021，30（4）：1-5．

[30] 张岳，杨涛，辛涛，等．特困地区中小学数学教师培训状况与需求调查研究[J]．数学教育学报，2021，30（4）：6-11．

[31] 喻平，董林伟，郭庆松．中学生数学品格与价值观的问卷设计[J]．数学教育学报，2021，30（4）：12-18．

[32] 吕松涛，曹广福．高中向量教学中数学思想的渗透[J]．数学教育学报，2021，30（4）：19-24．

[33] 武丽莎，朱立明．高中数学学科核心素养：生成机制与培养路径[J]．数学教育学报，2021，30（4）：25-29．

[34] 崔志翔，杨作东．义务教育阶段一个数学核心素养的评价框架[J]．数学教育学报，2021，30（5）：47–52．

[35] 姜文，严虹，夏小刚，等．高中生数学学习态度的调查研究——基于贵州省的调查数据分析[J]．数学教育学报，2021，30（5）：53–57．

Research on the Evaluation Framework and Implementation Path of Data Analysis Literacy

CHEN Jian-ming1, SUN Xiao-jun1, YANG Bo-di2

(1.Institute of Mathematics and Information Science, Baoji University of Arts and Sciences, Shaanxi Baoji 721013, China; 2. School of Education, Shaanxi Normal University, Shaanxi Xi’an 710062, China)

The development of data analysis literacy is a new direction for the reform of high schools’ mathematics curriculum, and its evaluation research is an important means for giving feedback to the development effect of students’ data analysis literacy. Through studying the relevant research results and the General High School Mathematics Curriculum Standard (2017 Edition, 2020 Revision), this paper defines the connotation of data analysis literacy: a mathematical literacy formed by students in real situations, driven by statistical problems and facilitated by using probability and statistical knowledge as tools, using statistical thinking as a means, and using data communication as a means. This paper also constructs an evaluation framework, including 4 dimensions and 15 secondary indicators. Finally, based on the teaching characteristics of probability and statistics content in high schools and the constructed data analysis literacy evaluation framework, this paper proposes that the implementation of data analysis literacy in actual teaching can be evaluated from the two dimensions of open-ended test questions and student activity performance.

data analysis literacy; assessment framework; probability and statistics; implementation path

2021–10–22

陕西省教育科学“十三五”规划2020年度课题——核心素养视域下中学概率与统计内容的单元教学设计研究（SGH20Q159）；宝鸡文理学院2020年研究生创新科研项目——高中生数据分析素养评价框架的建构与实施（YJSCX20YB33）

陈建明（1995—），男，天津人，硕士生，主要从事数学课程与教学论研究．孙小军为本文通讯作者．

G635

A

1004–9894（2022）02–0008–05

陈建明，孙小军，杨博谛．数据分析素养的评价框架与实施路径研究[J]．数学教育学报，2022，31（2）：8-12．

[责任编校：陈汉君、张楠]